MétaCan
Menu
Retour à la cohorte
Enregistrement W4281729745 · doi:10.3390/metabo12060511

Advances in Metabolomics-Driven Diagnostic Breeding and Crop Improvement

2022· review· en· W4281729745 sur OpenAlexaff
Ali Razzaq, David S. Wishart, Shabir Hussain Wani, Muhammad Khalid Hameed, Muhammad Mubin, Fozia Saleem

Notice bibliographique

RevueMetabolites · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Mapping and Diversity in Plants and Animals
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMetabolomicsCropBiotechnologyBiologyBioinformaticsAgronomy

Résumé

récupéré en direct d'OpenAlex

Climate change continues to threaten global crop output by reducing annual productivity. As a result, global food security is now considered as one of the most important challenges facing humanity. To address this challenge, modern crop breeding approaches are required to create plants that can cope with increased abiotic/biotic stress. Metabolomics is rapidly gaining traction in plant breeding by predicting the metabolic marker for plant performance under a stressful environment and has emerged as a powerful tool for guiding crop improvement. The advent of more sensitive, automated, and high-throughput analytical tools combined with advanced bioinformatics and other omics techniques has laid the foundation to broadly characterize the genetic traits for crop improvement. Progress in metabolomics allows scientists to rapidly map specific metabolites to the genes that encode their metabolic pathways and offer plant scientists an excellent opportunity to fully explore and rationally harness the wealth of metabolites that plants biosynthesize. Here, we outline the current application of advanced metabolomics tools integrated with other OMICS techniques that can be used to: dissect the details of plant genotype-metabolite-phenotype interactions facilitating metabolomics-assisted plant breeding for probing the stress-responsive metabolic markers, explore the hidden metabolic networks associated with abiotic/biotic stress resistance, facilitate screening and selection of climate-smart crops at the metabolite level, and enable accurate risk-assessment and characterization of gene edited/transgenic plants to assist the regulatory process. The basic concept behind metabolic editing is to identify specific genes that govern the crucial metabolic pathways followed by the editing of one or more genes associated with those pathways. Thus, metabolomics provides a superb platform for not only rapid assessment and commercialization of future genome-edited crops, but also for accelerated metabolomics-assisted plant breeding. Furthermore, metabolomics can be a useful tool to expedite the crop research if integrated with speed breeding in future.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,025
Tête enseignante GPT0,281
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations56
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMetabolitesMême sujetGenetic Mapping and Diversity in Plants and AnimalsTravaux en français237 207